在CIFAR-10数据集上训练的PyTorch模型 我修改了官方实施的流行CNN模型，并对CIFAR-10数据集进行了训练。 我在原始代码中更改了类的数量，过滤器大小，步幅和填充，以便它可以与CIFAR-10一起使用。 我也共享这些模型的权重，因此您只需加载权重并使用它们即可。 通过使用PyTorch-Lightning，该代码具有很高的可复制性和可读性。 支持模型的统计 不。 模型 值累积 否。参数 尺寸 1个 vgg11_bn 92.39％ 28.150百万 108兆字节 2个 vgg13_bn 94.22％ 28.334百万 109兆字节 3 vgg16_bn 94.00％ 33.647百万 129兆字节 4 vgg19_bn 93.95％ 38.959百万 149兆字节 5 网路18 93.07％ 11.174百万 43兆字节 6 资源34 9

matlab的egde源代码机器学习 存储库包含我在MATLAB和PYTHON中实现的机器学习算法 使用的Alogrithm是： 决策树和随机森林分类器 朴素贝叶斯分类器 高斯朴素贝叶斯Calssifier 高斯混合的EM算法 神经网络 奇异值分解 主成分分析 将数据拟合到一维高斯 使数据适合2D高斯 K最近的邻居 线性回归 逻辑回归 K均值聚类 价值迭代法 动态时间规整 误差函数和正则化

这是关于数学模型的电子书，高清，最新版本，经典著作，英文版

ecmwf_models 读取器和转换器，用于。 用Python编写。 与结合使用效果。 引文 如果您在出版物中使用该软件，请使用Zenodo DOI将其引用。 请注意，此徽章链接到最新的软件包版本。 请在选择您的特定版本，以获取该版本的DOI。 通常，在引用中，应始终将DOI用于记录的特定版本。 这是为了确保其他研究人员可以访问您用于重现性的确切研究伪像。 您可以在找到有关DOI版本控制的其他信息。 安装 通过conda安装所需的C库。 对于安装，我们建议使用 。 因此，请按照官方安装说明进行安装。 一旦在外壳中包含conda命令，您就可以继续： conda install -c conda-forge pandas pygrib netcdf4 scipy pyresample xarray 以下命令将下载并安装所有需要的pip软件包以及ecmwf-model软件包本身。

Consumer Credit Models:Pricing,Profit and portfolios 英文版

semi-supervised-learning 深度学习半监督相关算法，主要是文献《Mean teachers are better role models》算法，经测试在一般分类问题上精度都会有几个点的提升。 1.数据存放到data目录，每个类别图片存放到一个文件里面，然后用makelist生成列表文件：path label，把无标签的数据标签设置为：-1 2.运行mean_teacher.py

DL之CNN：基于CRNN_OCR算法(keras,CNN+RNN)利用DIY数据集训练来实现新图片上的不定长度中文文字识别 https://blog.csdn.net/qq_41185868/article/details/90246673

matlab的欧拉方法代码神经元网络模型 动态耦合激发大脑中神经元的模型以产生复杂的网络同步 该项目提供了Matlab代码来模拟以下情况： 一个发射神经元细胞，使用三种不同的模型。 x个激发神经元的网络，使用静态耦合矩阵耦合在一起。 x个激发神经元的网络，使用基于神经元细胞之间突触模型的动态耦合功能耦合在一起。 在single_neuron_models目录中，运行着一些程序来模拟单个激发神经元的行为。每个程序的顶部都有一些示例运行。 OneNeuronTau.m：基于Tau常数的简单模型 OneNeuronIzhInF.m：伊兹凯维奇着名的“整合并发射”神经元模型 OneNeuronExpInF.m：更复杂的指数神经元模型 在Neuron_network_models目录中，运行程序“ Neuron Simulations”以打开一个GUI，该GUI允许配置和显示神经元网络。 NeuronSimulations.m：包含所有不同模型和行为的GUI NeuronNetworkTau.m：对通过耦合矩阵连接在一起的“ Tau激发”神经元网络进行建模。 使用正向Euler方法计算每个神经元

Computer Vision__Statistical Models for Marr’s Paradigm.pdf

罗斯·曼·卡格 使用监督学习模型和时间序列分析，可以预测Rossmann药店的未来6周销售情况。 应用了所有数据科学步骤，包括数据清理，探索性数据分析，数据准备，创建机器学习模型，性能分析（MAE，MAPE，RMSE）以及使用Flask和Heroku部署到云中。